共计 529 个字符，预计需要花费 2 分钟才能阅读完成。
故障诊断入门级选手提个问题，振动信号剖析间接做频谱剖析就好了，为啥须要人工智能? – amaze2 的答复 – 知乎 https://www.zhihu.com/question/332473558/answer/1349385215
对于简略的机械设备，例如一级平行齿轮箱，信号比较简单，间接频谱剖析就能够满足需要。
然而，如果是简单的设施，比方多级行星齿轮传动、强环境噪声、而且故障处在晚期阶段、比拟强劲的状况下，在频谱图上可能找不出故障频率。
那该怎么办呢？
深度学习提供了一种思路。
顺便举荐一种专门针对强噪声状况下故障诊断的深度学习办法——残差膨胀网络。
残差膨胀网络在其外部采纳了软阈值函数，相似于小波阈值降噪，在深度学习模型的外部，主动打消噪声信息，从而取得更精确的故障特色。
M. Zhao, S. Zhong, X. Fu, B. Tang, M. Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, vol. 16, no. 7, pp. 4681-4690, 2020.
https://ieeexplore.ieee.org/document/8850096
正文完